基于区块链和医学图像的远程疾病智能诊断系统技术方案

基于区块链和医学图像的远程疾病智能诊断系统，包括第一医学图像获取模块、第二医学图像获取模块、医学图像处理模块、区块链存储模块和智能诊断模块。所述医学图像处理模块用于对医学图像进行处理，包括图像去噪单元和图像分割单元，所述图像去噪单元用于对医学图像进行去噪处理，所述图像分割单元用于对去噪后的医学图像进行图像分割，获取医学图像中的目标区域图像；所述图像分割单元采用Otsu阈值分割算法对去噪处理后的医学图像进行图像分割，并采用粒子群算法确定所述Otsu阈值分割算法的阈值，从而提高了图像分割的准确度。

【技术实现步骤摘要】
基于区块链和医学图像的远程疾病智能诊断系统
本专利技术创造涉及疾病诊断领域，具体涉及一种基于区块链和医学图像的远程疾病智能诊断系统。
技术介绍
随着我国经济社会的快速发展，人们越来越关注自己的身体健康，希望能获得快捷完善的医疗服务。但是由于我国医疗资源分布非常不均衡，导致许多医疗条件落后的地区无法及时获得完善的医疗服务。而远程医疗的出现正好解决了这一难题。这种医疗模式借助于先进的信息技术、计算机网络通信技术、医疗设备等，突破了医疗资源的分布以及在时间和空间方面的诸多限制。
技术实现思路
针对上述问题，本专利技术旨在提供一种基于区块链和医学图像的远程疾病智能诊断系统。本专利技术创造的目的通过以下技术方案实现：基于区块链和医学图像的远程疾病智能诊断系统，包括第一医学图像获取模块、第二医学图像获取模块、医学图像处理模块、区块链存储模块和智能诊断模块，所述第一医学图像获取模块用于获取带有疾病诊断结果标签的医学图像，并将获取的带有疾病诊断结果标签的医学图像传输至医学图像处理模块进行处理，将处理后的带有疾病诊断结果标签的医学图像传输至区块链存储模块进行存储，所述第二医学图像获取模块用于获取患者的医学图像，并将获取的患者的医学图像传输至医学图像处理模块进行处理，将处理后的患者的医学图像传输至智能诊断模块，所述智能诊断模块包括特征提取单元和智能诊断单元，所述特征提取单元用于调取区块链存储模块中存储的带有疾病诊断结果标签的医学图像，并对调取的带有疾病诊断结果标签的医学图像进行特征提取，将提取的带有疾病诊断结果的医学图像的特征和其对应的疾病诊断结果标签作为智能诊断单元的训练数据集，所述特征提取单元对处理后的患者的医学图像进行特征提取，并将提取的患者的医学图像的特征作为智能诊断单元的输入数据，所述智能诊断单元采用BP神经网络对患者进行疾病诊断，采用所述训练数据集对智能诊断单元采用的BP神经网络进行训练，并将提取的患者的医学图像的特征作为训练好的BP神经网络的输入数据，所述训练好的BP神经网络的输出数据即为患者的疾病诊断结果。优选地，所述医学图像处理模块用于对医学图像进行处理，包括图像去噪单元和图像分割单元，所述图像去噪单元用于对医学图像进行去噪处理，所述图像分割单元用于对去噪后的医学图像进行图像分割，获取医学图像中的目标区域图像。优选地，所述图像去噪单元采用双边滤波算法对医学图像进行去噪处理。优选地，所述图像分割单元采用Otsu阈值分割算法对去噪处理后的医学图像进行图像分割，并采用粒子群算法确定所述Otsu阈值分割算法的阈值，所述粒子群算法采用最大类间方差作为适应度函数，适应度函数值越大代表粒子的寻优结果越好，设置所述粒子群算法根据下式更新粒子的速度和位置。本专利技术创造的有益效果：本专利技术采用粒子群算法确定Otsu阈值分割算法中的最佳阈值，从而提高了图像分割的准确度，在所述粒子群算法中提出一种新的确定各粒子的惯性权重因子的方式，在确定粒子在当前迭代时的惯性权重因子时，对该粒子设置子群，并将子群中的辅助寻优粒子的初始位置设置为所述粒子在当前迭代时的位置，对子群中的辅助寻优粒子设置不同的惯性权重因子进行寻优，子群中辅助寻优粒子的寻优结果越好，表明其采用的惯性权重因子具有较好的寻优结果，因此，根据子群中寻优结果较好的辅助寻优粒子采用的惯性权重因子确定所述粒子的惯性权重因子，并且所述辅助寻优粒子的寻优结果越好，其采用的惯性权重因子在确定所述粒子的惯性权重因子中的权值越大，从而使得确定的所述粒子的惯性权重因子值能够使得所述粒子具有较好的寻优结果；当确定了粒子在当前迭代时的惯性权重因子值时，设置粒子采用该惯性权重因子一段时间后再重新计算所述粒子的惯性权重因子，从而使得确定的粒子的惯性权重因子使得所述粒子具有较好的寻优结果的同时，能够有效的避免影响粒子群算法的收敛速度。附图说明利用附图对专利技术创造作进一步说明，但附图中的实施例不构成对本专利技术创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。图1是本专利技术结构示意图。具体实施方式结合以下实施例对本专利技术作进一步描述。参见图1，本实施例的基于区块链和医学图像的远程疾病智能诊断系统，包括第一医学图像获取模块、第二医学图像获取模块、医学图像处理模块、区块链存储模块和智能诊断模块，所述第一医学图像获取模块用于获取带有疾病诊断结果标签的医学图像，并将获取的带有疾病诊断结果标签的医学图像传输至医学图像处理模块进行处理，将处理后的带有疾病诊断结果标签的医学图像传输至区块链存储模块进行存储，所述第二医学图像获取模块用于获取患者的医学图像，并将获取的患者的医学图像传输至医学图像处理模块进行处理，将处理后的患者的医学图像传输至智能诊断模块，所述智能诊断模块包括特征提取单元和智能诊断单元，所述特征提取单元用于调取区块链存储模块中存储的带有疾病诊断结果标签的医学图像，并对调取的带有疾病诊断结果标签的医学图像进行特征提取，将所提取的带有疾病诊断结果的医学图像的特征和其对应的疾病诊断结果标签作为智能诊断单元的训练数据集，所述特征提取单元对处理后的患者的医学图像进行特征提取，并将提取的患者的医学图像的特征作为智能诊断单元的输入数据，所述智能诊断单元采用BP神经网络对患者进行疾病诊断，采用所述训练数据集对智能诊断单元采用的BP神经网络进行训练，并将提取的患者的医学图像的特征作为训练好的BP神经网络的输入数据，所述训练好的BP神经网络的输出数据即为患者的疾病诊断结果。本优选实施例通过对患者的医学图像进行处理、特征提取和智能诊断模型的构建，实现了通过医学图像对患者进行远程疾病智能诊断，从而提高了疾病诊断结果的准确性的同时，节省了病人的时间和精力。优选地，所述医学图像处理模块用于对医学图像进行处理，包括图像去噪单元和图像分割单元，所述图像去噪单元用于对医学图像进行去噪处理，所述图像分割单元用于对去噪后的医学图像进行图像分割，获取医学图像中的目标区域图像。优选地，所述图像去噪单元采用双边滤波算法对医学图像进行去噪处理。优选地，所述图像分割单元采用Otsu阈值分割算法对去噪处理后的医学图像进行图像分割，并采用粒子群算法确定所述Otsu阈值分割算法的阈值，所述粒子群算法采用最大类间方差作为适应度函数，适应度函数值越大代表粒子的寻优结果越好，设置所述粒子群算法根据下式更新粒子的速度和位置：Vl(r+1)＝Ql(r)Vl(r)+c1r1(Pbestl(r)-Xl(r))+c2r2(Gbest(r)-Xl(r))Xl(r+1)＝Xl(r)+Vl(r+1)其中，Vl(r+1)和Xl(r+1)分别表示粒子群中第l个粒子在第(r+1)次迭代时的速度和位置，Vl(r)和Xl(r)分别表示粒子群中第l个粒子在第r次迭代时的速度和位置，r1和r2分别表示产生0到1之间的随机数，Pbestl(r)表示粒子群中第l个粒子在第r次迭代时的个体最优解，Gbest(r)表示粒子群中粒本文档来自技高网...

【技术保护点】
1.基于区块链和医学图像的远程疾病智能诊断系统，其特征是，包括第一医学图像获取模块、第二医学图像获取模块、医学图像处理模块、区块链存储模块和智能诊断模块，所述第一医学图像获取模块用于获取带有疾病诊断结果标签的医学图像，并将获取的带有疾病诊断结果标签的医学图像传输至医学图像处理模块进行处理，将处理后的带有疾病诊断结果标签的医学图像传输至区块链存储模块进行存储，所述第二医学图像获取模块用于获取患者的医学图像，并将获取的患者的医学图像传输至医学图像处理模块进行处理，将处理后的患者的医学图像传输至智能诊断模块，所述智能诊断模块包括特征提取单元和智能诊断单元，所述特征提取单元用于调取区块链存储模块中存储的带有疾病诊断结果标签的医学图像，对调取的带有疾病诊断结果标签的医学图像进行特征提取，将提取的带有疾病诊断结果的医学图像的特征和其对应的疾病诊断结果标签作为智能诊断单元的训练数据集，所述特征提取单元对处理后的患者的医学图像进行特征提取，并将提取的患者的医学图像的特征作为智能诊断单元的输入数据，所述智能诊断单元采用BP神经网络对患者进行疾病诊断，采用所述训练数据集对智能诊断单元采用的BP神经网络进行训练，并将提取的患者的医学图像的特征作为训练好的BP神经网络的输入数据，所述训练好的BP神经网络的输出数据即为患者的疾病诊断结果；/n所述医学图像处理模块用于对医学图像进行处理，包括图像去噪单元和图像分割单元，所述图像去噪单元用于对医学图像进行去噪处理，所述图像分割单元用于对去噪后的医学图像进行图像分割，获取医学图像中的目标区域图像；/n所述图像分割单元采用Otsu阈值分割算法对去噪处理后的医学图像进行图像分割，并采用粒子群算法确定所述Otsu阈值分割算法的阈值。/n...

【技术特征摘要】
1.基于区块链和医学图像的远程疾病智能诊断系统，其特征是，包括第一医学图像获取模块、第二医学图像获取模块、医学图像处理模块、区块链存储模块和智能诊断模块，所述第一医学图像获取模块用于获取带有疾病诊断结果标签的医学图像，并将获取的带有疾病诊断结果标签的医学图像传输至医学图像处理模块进行处理，将处理后的带有疾病诊断结果标签的医学图像传输至区块链存储模块进行存储，所述第二医学图像获取模块用于获取患者的医学图像，并将获取的患者的医学图像传输至医学图像处理模块进行处理，将处理后的患者的医学图像传输至智能诊断模块，所述智能诊断模块包括特征提取单元和智能诊断单元，所述特征提取单元用于调取区块链存储模块中存储的带有疾病诊断结果标签的医学图像，对调取的带有疾病诊断结果标签的医学图像进行特征提取，将提取的带有疾病诊断结果的医学图像的特征和其对应的疾病诊断结果标签作为智能诊断单元的训练数据集，所述特征提取单元对处理后的患者的医学图像进行特征提取，并将提取的患者的医学图像的特征作为智能诊断单元的输入数据，所述智能诊断单元采用BP神经网络对患者进行疾病诊断，采用所述训练数据集对智能诊断单元采用的BP神经网络进行训练，并将提取的患者的医学图像的特征作为训练好的BP神经网络的输入数据，所述训练好的BP神经网络的输出数据即为患者的疾病诊断结果；
所述医学图像处理模块用于对医学图像进行处理，包括图像去噪单元和图像分割单元，所述图像去噪单元用于对医学图像进行去噪处理，所述图像分割单元用于对去噪后的医学图像进行图像分割，获取医学图像中的目标区域图像；
所述图像分割单元采用Otsu阈值分割算法对去噪处理后的医学图像进行图像分割，并采用粒子群算法确定所述Otsu阈值分割算法的阈值。


2.根据权利要求1所述的基于区块链和医学图像的远程疾病智能诊断系统，其特征是，设置所述粒子群算法根据下式更新粒子的速度和位置：
Vl(r+1)＝Ql(r)Vl(r)+c1r1(Pbestl(r)-Xl(r))+c2r2(Gbest(r)-Xl(r))
Xl(r+1)＝Xl(r)+Vl(r+1)
其中，Vl(r+1)和Xl(r+1)分别表示粒子群中第l个粒子在第(r+1)次迭代时的速度和位置，Vl(r)和Xl(r)分别表示粒子群中第l个粒子在第r次迭代时的...

【专利技术属性】
技术研发人员：王奔，罗春华，
申请(专利权)人：罗春华，
类型：发明
国别省市：江西;36